TheoPhysEval उन सवालों से बना है जिन्हें कार्यरत भौतिकविदों ने छापा नहीं था, ठीक इसलिए कि कोई मॉडल उन्हें पहले से न देख चुका हो। सबसे अच्छे एजेंट ने सिर्फ़ एक ग़लत किया, औसतन लगभग 2.33 डॉलर प्रति सवाल की लागत पर।
बेंचमार्क
TheoPhysEval
TheoPhysEval बेंचमार्क क्या मापता है, A. Ramesh Chandra and 36 co-authors इसे कैसे चलाता है, और दर्ज मॉडल स्कोर — हर स्कोर के साथ उसका स्रोत,…
- अनुरक्षक
- A. Ramesh Chandra and 36 co-authors
- स्कोर
- problems solved out of 50
- अंतिम जाँच
- 15 अक्टूबर 2026
लीडरबोर्ड
अभी तक कोई सत्यापित परिणाम दर्ज नहीं है।